讨论利用深度学习方法解决非朗伯曲面问题的未标定光度立体技术，而现有的光度立体算法通常假设光源条件已知或简化反射率模型，限制了其实际应用。因此，提出基于多尺度聚合的生成对抗网络的未标定光度立体技术，直接学习光度图像与法向图之间的映射关系，避免繁琐的光源标定步骤，可精确估计反射率函数表达形式。实验结果表明，该方法相比现有最优的未标定光度立体视觉算法具有更强的鲁棒性，平均角度误差下降了1.92°，MSE下降了1.43%，证明了该网络结构的优越性与有效性。
0 引言
近年来随着计算机视觉技术的发展，许多基于图像的计算机应用技术应运而生，如：车牌识别、人脸识别、三维图像重建等，计算机处理数据图像的结果将直接影响到这些应用的精准度。非朗伯体三维信息的获取对于从图像恢复物体空间形状具有重要意义，一般采用两种方法进行相关信息的获取：多视角三维重建与光度立体视觉。前者利用摄影设备采集多张场景图像来恢复三维几何结构，该方法几何结构的重建精度高，但局部细节存在偏差；后者利用场景内的光度信息（光照方向/强度等）恢复场景表面的法向图，并通过法向图恢复三维几何